مدل سازی تاثیرات دریای خزر بر کیفیت آب های زیرزمینی نوار ساحلی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYDPHY-9-1_008

تاریخ نمایه سازی: 10 دی 1403

چکیده مقاله:

منابع آب های زیرزمینی به عنوان اصلی ترین و مهم ترین منبع آب شرب، کشاورزی و صنعت به شمار می روند. بررسی کیفیت این منابع ازجمله میزان سختی آب عامل مهمی در مسائل هیدروژئولوژی است. در این پژوهش به منظور برآورد و مدل سازی میزان سختی آب زیرزمینی نواحی ساحلی دریای خزر که برای برنامه ریزی مدیریتی و آمایش سرزمین امری ضروری و مهم است از مدل هیبریدی رگرسیون بردار پشتیبان با الگوریتم های کرم شب تاب و ازدحام مرغ استفاده شد. برای این منظور پارامترهای کیفی چاه های پیزومتری بابلسر واقع در استان مازندران شامل هیدروژن کربنات، کلرید، سولفات، منیزیم و کلسیم در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۹۲-۱۴۰۲) به عنوان ورودی و میزان سختی آب به عنوان پارامتر خروجی انتخاب شد. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدل ها مورداستفاده قرار گرفت. نتایج حاصله نشان داد مدل رگرسیون بردار پشتیبان-کرم شب تاب بیشترین ضریب همبستگی ۹۸۰/۰، کمترین ریشه میانگین مربعات خطا ppm ۱۱۵/۰، میانگین قدر مطلق خطا  ppm ۰۸۷/۰ و نش ساتکلیف ۹۵۰/۰ از خود نشان داده است. درمجموع نتایج نشان داد که مدل های هیبریدی هوش مصنوعی عملکرد مناسبی در برآورد مقادیر میزان کیفیت آب های زیرزمینی دارند.

نویسندگان

حمید رضا باباعلی

دانشیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد خرم آباد، لرستان، ایران

رضا دهقانی

دکترای علوم ومهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، لرستان، ایران

ابراهیم نوحانی

استادیارگروه عمران، مرکز تحقیقات مواد و انرژی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Nourani V, Molajou A, Tajbakhsh AD, Najafi H. A wavelet ...
  • Safarinia S, Abakari H, Erfanian M. Estimation of surface water ...
  • Seyedian M, Radkani A, Kashani M. Evaluation of the hybrid ...
  • Chang FJ, Chang YT. Adaptive neuro-fuzzy inference system for prediction ...
  • Dehghani R, Torabi Poudeh H, Younesi H, Shahinejad B. Daily ...
  • Moravej M, Amani P, Hosseini-Moghari M. Groundwater level simulation and ...
  • Bahmani R, Taha BM, Ouarda J. Groundwater level modeling with ...
  • Raheli B, Alami MT, El-Shafie A, Deo R. Uncertainty assessment ...
  • Dehghani R, Torabi H. Dissolved oxygen concentration predictions for running ...
  • Zhu N, Ji X, Tan J, Jiang Y, Gou Y. ...
  • Nagy H, Watanabe K, Hirano M. Prediction of sediment load ...
  • Lin JY, Cheng CT, Chau KW. Using support vector machines ...
  • Khosravi K, Nohani E, Maroufinia E, Pourghasemi HR. A GIS-based ...
  • Vapnik VN. The Nature of Statistical Learning Theory. New York: ...
  • Vapnik VN. Statistical learning theory. New York:, Wiley;۱۹۹۸ ...
  • Basak D, Pal S, Patranabis DC. Support vector regression. Neural ...
  • Vapnik V, Chervonenkis A. The necessary and sufficient conditions for ...
  • Yang XS. Firefly algorithms for multimodal optimization. In: International symposium ...
  • Yang XS, He X. Firefly algorithm: recent advances and applications. ...
  • Zouache D, Arby YO, Nouioua F, Abdelaziz FB. Multi-objective chicken ...
  • Alizadeh MJ, Kavianpour MR. Development of wavelet-ANN models to predict ...
  • Rajaee T, Khani S, Ravansalar M. Artificial intelligence-based single and ...
  • Zhu N, Ji X, Tan J, Jiang Y, Gou Y. ...
  • Li T, Zhang L, & Murakami H. Strengthening of the ...
  • Affandi A, Watanabe K. Daily groundwater level fluctuation using soft ...
  • Zeidalinejad N, Dehghani R. Use of meta-heuristic approach in the ...
  • Dehghani R, Babaali H. Evaluation of Statistical Models and Modern ...
  • درواری زهرا، غلامی وحید، درخشان شهرام. شبیه سازی شوری آب ...
  • نمایش کامل مراجع